Siendo las 2:15 AM acabo de mandar a mis coautores la tabla resumen y las fichas de los paper (más de 20) que me leí en estos días. Se supone que el artículo sobre la deserción universitaria debe ser fácil, pero lo estoy haciendo de la manera difícil con fichas y todo eso que, pese a lo trabajoso esa manera ayuda bastante a entender y organizar las ideas.
El artículo anterior lo escribí a sangre de pato nomás así es que me lo devolvieron -dos veces- con una montaña de correcciones y objeciones. Si eso de la metodología funciona, supongo que esta vez las objeciones deberían ser menos. Al menos eso espero. Ojalá que este me sirva como entrenamiento para el próximo artículo sobre economía del agua, que creo que sería el primero que -más o menos- valdrá la pena.
Mientras más artículos leo, menos me gusta la econometría. Eso que los estadísticos llaman investigación empírica, muy distinta de los experimentos de ciencias exactas, claro. En estudios sociales se trata de hacer un modelo matemático a partir de datos que no tenemos idea como están relacionados, entonces hacemos una primera aproximación poniendo los datos en una tabla (tabla de contingencia) y tratando de ver relaciones .
El método se llama estadística inferencial, porque trata de inferir relaciones usando la estadística a partir de datos dispersos.La gran diferencia con las ciencias exactas es que las inferencias estadísticas pueden no resultar ciertas en general.
En otras palabras tenemos muchos datos que varían (variables) y queremos saber si algunos causan la variación de otros (variables independientes) o son el resultado de otros datos que varían (variables dependientes). Entonces usando el "suponguimetro" planteamos una hipótesis y decimos: "esta variable cambia como resultado de los cambios de esta, esta y esta otra". Eso es lo que pomposamente los econometristas llaman un modelo matemático. Normalmente es una o varias ecuaciones del tipo
Yi = K + C1*X1+C2*X2....+Cn*Xn
Por ejemplo:
Deserción=C1*Notas Ens Media +C2*Escuela donde Estudió+C3*Coef.Intelectual
Donde C1, C2, C3 son números, los "coeficientes" o el "peso" (influencia) que tendría cada una de las variables.
Claro que estoy super simplificando el modelo, normalmente no es una sola ecuación sino un sistema de varias ecuaciones y si el sistema es dinámico serían ecuaciones diferenciales, hay constantes, error y etc. pero en fin, esa es más o menos la idea base, las otras complicaciones son detalles nomás. En el fondo toda predicción es un problema de aproximación de puntos a una curva. En este link pueden ver una explicación más completa.
En algunos casos podemos usar el "suponguimetro" para armar nuestro modelo. Por ejemplo yo aquí supuse que la deserción dependía de las notas de enseñanza media, la escuela donde estudió y el C.I. del alumno, lo que parece una suposición razonable pero ¿quien nos asegura que es así? Podría no haber ninguna relación con alguna o incluso con todas esas variables.
Para eso la estadística ofrece algunas "pruebas de hipótesis" que permiten tener algo más concreto que el suponguimetro, pero no mucho más concreto porque si estamos tratando con personas generalmente obtenemos los datos a partir de encuestas ¿quien nos dice que las respuestas fueron veraces? ¿y como sabemos que el grupo que encuestamos representa de manera auténtica a toda la población que nos interesa?.
Claro, los estadísticos tienen pruebas y explicaciones para todo eso, pero el caso es que no son nada convincentes tratándose de personas. Hasta los estudios con animales o plantas no tengo problemas con las estadísticas, pero con personas mmhhh...
Si le agregamos que correlación no implica causalidad, entonces llegamos a que los modelos econométricos, por más repletos de ecuaciones y yaba-daba que usen, parecen tener un poder predictivo parecido al de mi amiga y afamada mentalista doña Eliana, que una vez hasta me dijo que en el futuro yo iba a tener mucha plata.
En todo caso un buen artículo con la historia de la estadística, lleno de anécdotas y datos curiosos se puede leer en el blog Estadísticas Amigables de Hugo Casanova. Es muy entretenido y recomiendoleerlo al que le interese el tema.
Un último detalle antes de seguirlos aburriendo con mis pesadillas estadísticas, con todo este asunto me he dado cuenta de la enorme importancia que tiene un buen abstract, ese resumen de pocas palabras que se pone al principio de los artículos. Cuando hay que leer 30 o más artículos que uno no sabe a priori si son basura, si tienen algo que valga la pena o si son extraordinarios entonces viene la importancia de que el abstract esté bien escrito ¡algunos no dicen nada, son pura propaganda, generalidades, tonteras! Desde hoy me declaro devoto de San Abstracto, me gustaría escribir alguna vez uno así:
Título del artículo "¿Son adecuados los sistemas de ecuaciones paramétricas para explicar el comportamiento de la deserción universitaria?
Abstract: No.
Y como ya es muy tarde y yo me caigo de sueño, además mañana me tendré que levantar relativamente temprano, como dice el corrido, ya con esta me despido. Hasta mañana.
